<![CDATA[Batik, sebagai warisan budaya Indonesia yang diakui UNESCO, memiliki nilai seni dan ekonomi yang tinggi. Namun, para pengrajin sering menghadapi tantangan dalam menciptakan motif baru yang inovatif, sementara model generatif AI sebelumnya seperti GAN dan diffusion dasar kurang memiliki kendali untuk menghasilkan pola yang terarah. Penelitian sebelumnya dengan model text-to-image juga menunjukkan keterbatasan dalam menciptakan komposisi spasial yang kompleks. Penelitian ini bertujuan untuk mengatasi keterbatasan tersebut dengan mengeksplorasi penggunaan Stable Diffusion yang diintegrasikan dengan ControlNet dan Canny Guidance. Tujuannya adalah untuk mengetahui pengaruh metode ini terhadap pola batik yang dihasilkan dan menilai kualitasnya berdasarkan tuning hyperparameter. Hasil penelitian menunjukkan bahwa kombinasi ControlNet dan Canny Guidance berhasil menggabungkan citra masukan, seperti logo, dengan motif batik secara menyatu. Berdasarkan evaluasi kualitatif terhadap input logo Universitas Brawijaya, model mencapai skor rata-rata 3.425/5 untuk keberadaan motif batik, 3.3/5 untuk kecocokan dengan input, dan 3.025/5 untuk kesesuaian disebut sebagai motif batik. Secara kuantitatif, model mencapai Inception Score (IS) sebesar 4.839 ± 0.270 dari 5.000 gambar yang dihasilkan. Kesimpulannya, penelitian ini berhasil merumuskan inference pipeline yang efektif untuk menciptakan motif batik baru yang terkontrol dan kompleks dengan menggabungkan input spesifik dari pengguna. Kata kunci: stable diffusion, controlnet, canny guidance, generative AI, motif batik]]>
Copyrights © 2025
